基于双向递归神经网络的多源社会情感数据分析

摘要

主观性检测是情感分析的基础,而情感分析需要多种技术来感知非预期的交流手段。目前很少有研究成果适合于通过分布式单词表示(DWRs)来获取句法、语义和上下文情感信息。文章首先通过递归神经网络(RNN)变体上的加权机制将DWR与卷积神经网络(CNN)连接起来,分别涉及加权注意池(WAP)。然后使DWRs上的情感分析包含Word2vec、FastText和GloVe,以生成密集高效的连接表示(DECR)来保持对单个RNN层的长期依赖性。最后利用这些获得的表示方法,输入到CNN包含一个卷积层,利用WAP对多源社交媒体数据进行处理,处理句法和语义规则以及词汇表外(OOV)单词的问题。实验结果表明,DWRs和相关级联技术可以通过适度的超参数配置来解决问题。